原文传递
基于EKF的电动汽车锂离子电池SOC、SOH估算
| 论文题名： | 基于EKF的电动汽车锂离子电池SOC、SOH估算 |
| 关键词： | 锂离子电池;电动汽车;荷电状态;健康状态;使用时间;双卡尔曼滤波算法 |
| 摘要： | 在能源不足和环境污染威胁到人类正常生活的前提下，电动汽车的兴起一定程度上缓解了能源和环境问题。作为目前电动汽车的最优动力源——锂离子电池已经成为各大高校及企业的重点研究对象。电池中的荷电状态(State Of Charge，SOC)和健康状态(State Of Health，SOH)极具研究价值。准确估计SOC和SOH能够有效提升电池的使用时间，节约用户的应用成本，促使动力汽车安全性能的全面提升等。本文主要做了以下工作: 1.首先对锂离子电池进行了相关实验，包括环境温度、电池放电倍率，电池循环寿命等因素进行简要分析。建立二阶Thevenin等效电路模型，为了准确的估计模型参数，首先使用MATLAB中的Cftool工具箱拟合模型参数，然后在递推最小二乘法中加入了遗忘因子进行参数估计。最后对两种方法进行了优劣分析，可得后者更适用于实车。 2.针对模型的准确度问题，基于所建立的电池模型在HPPC工况和变电流工况下，对模型输出电压和实测电压进行对比分析。从分析结果得出构建的电池模型能较好地模拟出电池的动态特性，其准确度较高。 3.在验证后的电池模型基础上，由SOH定义选择内阻作为SOH的表征量，先对内阻的估计进而转化为对SOH的估计。首先采用扩展卡尔曼滤波算法对SOC和内阻分别进行估计，验证得到该算法可以较好修正噪声引起的预测偏差。由于电池状态初值很难在实车运行中得到，因此又采用该算法对电池初值进行了分析验证，验证表明即便初值不准确，该算法仍可以不断修正初值。为了更好管理电池，本文采用了双扩展卡尔曼算法对电池的SOC和SOH同时进行估计，通过内阻的变化定期检查SOH的变化。并分别在脉冲放电工况、UDDS工况和我国统一采用的NEDC道路工况下验证，验证表明双卡尔曼滤波算法对SOC、SOH估计效果较好。 |
| 作者： | 张民 |
| 专业： | 控制工程 |
| 导师： | 王兴成;宋小兵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
